SaiedAlshahrani/Moroccan_Arabic_Wikipedia_20230101_nobots
收藏Hugging Face2024-01-05 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/SaiedAlshahrani/Moroccan_Arabic_Wikipedia_20230101_nobots
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是通过使用摩洛哥阿拉伯语维基百科文章（去除机器人生成的文章）创建的，下载于2023年1月1日，并使用`Gensim` Python库和`tr` Linux/Unix工具以及`CAMeLTools` Python工具包进行预处理。该数据集用于训练一个摩洛哥阿拉伯语维基百科的掩码语言模型。
该数据集是通过使用摩洛哥阿拉伯语维基百科文章（去除机器人生成的文章）创建的，下载于2023年1月1日，并使用`Gensim` Python库和`tr` Linux/Unix工具以及`CAMeLTools` Python工具包进行预处理。该数据集用于训练一个摩洛哥阿拉伯语维基百科的掩码语言模型。
提供机构：
SaiedAlshahrani
原始信息汇总
数据集概述
基本信息
- 数据集名称: Moroccan_Arabic_Wikipedia_20230101_nobots
- 数据集别名: arywiki-articles-withoutbots
- 语言: 阿拉伯语 (ar)
- 许可证: MIT
- 大小类别: 1K<n<10K
数据集特征
- 特征名称: text
- 数据类型: string
数据分割
- 训练集
- 名称: train
- 示例数量: 4675
- 字节数: 7334642
下载与数据集大小
- 下载大小: 2883783字节
- 数据集大小: 7334642字节
